Mis à jour en mai 2025.Ce cours intègre désormais Coursera Coach ! Une façon plus intelligente d'apprendre avec des conversations interactives en temps réel qui vous aident à tester vos connaissances, à remettre en question les hypothèses et à approfondir votre compréhension à mesure que vous progressez dans le cours.Embarquez dans un voyage complet pour maîtriser la segmentation d'image avec PyTorch, conçu pour les débutants et les apprenants avancés. Ce cours propose une exploration détaillée de la segmentation d'images, en commençant par les concepts fondamentaux et en évoluant vers des techniques avancées à l'aide de projets réels. Commencez par comprendre les bases de la segmentation d'images, y compris les différents types et applications. Mettez la main à la pâte avec PyTorch, en apprenant l'essentiel des tenseurs, des graphiques de calcul et de la formation de modèles. Explorez les subtilités de la régression linéaire et l'importance de l'ajustement des hyperparamètres, en acquérant une base solide dans les principes de l'apprentissage automatique. Passez aux réseaux neurones convolutifs (CNN), en plongeant profondément dans leur structure, le calcul des couches et les techniques de prétraitement d'images. Apprenez comment les CNN révolutionnent l'analyse d'images et comprenez leur application dans des scénarios du monde réel. Le cours se termine par une étude approfondie de la segmentation sémantique. Découvrez les architectures, les méthodes de suréchantillonnage et les fonctions de perte qui définissent les modèles de segmentation réussis. Participez à des sessions de codage pratiques pour préparer les données, construire des modèles et évaluer leurs performances à l'aide de métriques standard. À la fin de ce cours, vous aurez une compréhension approfondie de la segmentation d'images avec PyTorch, équipé des compétences pour aborder des tâches de segmentation complexes dans diverses applications du monde réel. Ce cours est idéal pour les scientifiques de données, les professionnels de l'IA et les amateurs d'apprentissage automatique qui souhaitent approfondir leurs connaissances de la segmentation d'images et de PyTorch. Il est parfait pour ceux qui ont une compréhension de base de Python et sont désireux d'appliquer des techniques d'apprentissage profond à des projets du monde réel.


Expérience recommandée
Ce que vous apprendrez
Appliquer la segmentation sémantique multi-classes à l'aide de PyTorch à des ensembles de données du monde réel.
Analyser l'architecture et la fonctionnalité des modèles UNet et FPN pour une segmentation efficace des images.
Évaluer et sélectionner les fonctions de perte et les métriques d'évaluation appropriées pour optimiser les modèles d'apprentissage profond.
Compétences que vous acquerrez
- Catégorie : Deep learning
- Catégorie : Analyse d'images
- Catégorie : Apprentissage automatique appliqué
- Catégorie : Traitement des données
- Catégorie : Analyse de régression
- Catégorie : Vision par ordinateur
- Catégorie : Réseaux neuronaux convolutifs
- Catégorie : Évaluation de modèles
- Catégorie : Réseaux neuronaux artificiels
- Catégorie : Prétraitement de données
Détails à connaître

Ajouter à votre profil LinkedIn
2 devoirs
Découvrez comment les employés des entreprises prestigieuses maîtrisent des compétences recherchées

Il y a 4 modules dans ce cours
Dans ce module, nous établirons la configuration de base requise pour le cours. Nous définirons la segmentation d'image, décrirons le champ d'application du cours, et passerons en revue la configuration du système. En outre, nous verrons comment accéder au matériel nécessaire et configurer l'environnement Conda pour travailler avec PyTorch.
Inclus
5 vidéos1 lecture
Dans ce module, nous explorerons les bases de PyTorch, un puissant framework de Deep learning. Nous nous plongerons dans les opérations tensorielles, les graphes de calcul et la construction de modèles de réseaux neurones. Cette section vous dotera de compétences essentielles pour développer et entraîner des modèles dans PyTorch.
Inclus
19 vidéos
Dans ce module, nous nous intéresserons aux réseaux neuronaux convolutifs (CNN) et à leurs applications dans le domaine de la vision par ordinateur. Nous couvrirons les bases de l'architecture des CNN, les techniques de prétraitement des images et le débogage des réseaux neuronaux. Cette section fournit une introduction complète aux réseaux neuronaux convolutifs et à leurs implémentations pratiques.
Inclus
6 vidéos
Dans ce module, nous nous concentrerons sur la segmentation sémantique, une tâche critique dans l'analyse sémantique. Nous explorerons diverses architectures de réseaux neurones, des techniques de suréchantillonnage et des fonctions de perte. De plus, nous couvrirons la préparation des données, la modélisation des modèles et les métriques d'évaluation afin de garantir des résultats de segmentation précis et efficaces.
Inclus
15 vidéos2 devoirs
Instructeur

Offert par
En savoir plus sur Apprentissage automatique
Statut : Essai gratuit
Pour quelles raisons les étudiants sur Coursera nous choisissent-ils pour leur carrière ?





Ouvrez de nouvelles portes avec Coursera Plus
Accès illimité à 10,000+ cours de niveau international, projets pratiques et programmes de certification prêts à l'emploi - tous inclus dans votre abonnement.
Faites progresser votre carrière avec un diplôme en ligne
Obtenez un diplôme auprès d’universités de renommée mondiale - 100 % en ligne
Rejoignez plus de 3 400 entreprises mondiales qui ont choisi Coursera pour les affaires
Améliorez les compétences de vos employés pour exceller dans l’économie numérique
Foire Aux Questions
Oui, vous pouvez visionner la première vidéo et le syllabus avant de vous inscrire. Vous devez acheter le cours pour accéder au contenu qui n'est pas inclus dans l'aperçu.
Si vous décidez de vous inscrire au cours avant la date de début de la session, vous aurez accès à toutes les vidéos et à toutes les lectures du cours. Vous pourrez soumettre vos travaux dès le début de la session.
Une fois que vous vous serez inscrit et que votre session aura commencé, vous aurez accès à toutes les vidéos et autres ressources, y compris les lectures et le forum de discussion du cours. Vous pourrez consulter et soumettre des évaluations pratiques, et effectuer les devoirs notés requis pour obtenir une note et un certificat de cours.
Plus de questions
Aide financière disponible,




